군집 속의 신호: 대만 인근 해상 회색지대 작전을 뒷받침하는 중국의 데이터

[힘힘]

군집 속의 신호: 대만 인근 해상 회색지대 작전을 뒷받침하는 중국의 데이터

사진: agratitudesign/Adobe Stock

목차

1. 문제
2. 소개
3. 숨겨진 패턴 찾기
4. 행동적 특징
5. 추천사항
6. 결론
7. 부록 I

Jose M. Macias III 와 Benjamin Jensen 의 간략한 설명

2025년 10월 8일 게시

 사용 가능한 다운로드

• 간략한 내용을 다운로드하세요3141kb

원격 시각화

문제

• 베이징은 어업이라는 명목으로 이중 용도의 무표식 선박을 이용하여 대만 주변을 감시, 교란하고 존재감을 드러내고 있습니다. AIS 항적, 중국 인민해방군 해군(PLAN) 훈련 구역, 그리고 글로벌 피싱 워치(Global Fishing Watch) 데이터를 분석한 결과, 해상 훈련과 겹칠 가능성이 높은 날에 대만 인근을 항해하는 12,000척의 선박 중 중국 국기를 게양하고 어선으로 식별된 선박은 315척으로 줄었습니다. 퓨처스 랩(Futures Lab)에서 개발한 분류 체계는 회색 지대(grey zone)에 해당하는 행위자 128척을 표시했습니다. 이 체계를 연합 합동 해상 이상 감지 셀(CJ-MAC) 내에 제도화하면 대만 해협과 인도-태평양 전역에 걸쳐 이상 탐지를 자동화하고 커버리지를 확장할 수 있습니다. CJ-MAC은 정보, 감시, 정찰(ISR)을 통합하고, 의심 선박에 대한 경보를 발령하며, 실시간 모니터링 및 순찰을 지시하는 데 활용되어야 합니다.
• 많은 의심 선박들이 신원과 가시성을 조작합니다. 은밀하게 활동하는 선박은 이름을 바꾸거나, 이동 경로를 위장하는 등 은밀한 임무 수행과 유사한 행동을 합니다. 선주, 보험사, 운항사에 대한 제재를 통해 상습범 블랙리스트를 공개하고 처벌하는 것은 비용을 증가시키고 부인 가능성을 낮출 것입니다. 이러한 노력을 지원하기 위해 미국과 동맹국 정보기관은 의심 선박과 관련된 기업 소유 네트워크를 파악하여 동맹 관할권 내의 허울 회사와 경제적 노출을 파악해야 합니다.
• 회색 지대 전술은 모호성을 악용합니다. 다양한 함대와 엄청난 양의 자동식별장치(AIS)로 인해 상업 활동과 은밀한 작전을 구분하기 어렵습니다. 대만 투명성 대시보드와 연간 회색 지대 해상 위협 추정치는 정책 입안자와 파트너들에게 명확하고 공유된 운영 상황을 제공할 것입니다.

소개

회색 지대 활동은 현대 강대국 경쟁에서 끊임없이 나타나는 현상입니다. 권위주의 국가들은 무력의 한계를 넘는 간접적인 수단과 방법을 사용하여 미래의 군사 작전과 장기적인 강압 작전의 조건을 설정합니다. "공격 없이 전진"이라고 불리는 이러한 접근 방식은 중국 공산당(CCP)이 대만과 다른 국가들을 압박하는 방식의 핵심 특징입니다. 1 중국은 대만 선거를 둘러싼 허위 정보 유포 캠페인을 벌이고, 기술적 발전을 가속화하기 위해 지식재산권을 훔치고, 직접적인 군사적 충돌을 피하면서 조용히 마을을 건설하여 분쟁 지역을 점령했습니다. 2 이러한 작전은 종종 모호성, 그럴듯한 부인 가능성, 그리고 비군사 자산의 전략적 활용에 의존합니다. 3

해상 영역에서 중국은 민간 선박, 특히 어선을 분쟁 해역에서 국정 운영 도구로 꾸준히 활용해 왔습니다.4 분석가들은 대만 인근에서 중국 인민해방군 해군(PLAN)의 기동에 집중하는 반면, 중국 인민해방군과 함께 작전하는 무표정 선박이나 이중용도 선박의 역할에는 그다지 주목하지 않았습니다. 이러한 선박들은 상업 활동을 은폐하며 감시 활동을 수행하고, 외국 선박을 교란하며, 영유권 주장을 강화할 수 있으며, 실제로 그렇게 하고 있습니다. 예를 들어 민간 선박을 이용하여 닻을 내리고 해저 케이블을 절단하거나, 어선을 배치하여 남획하고 해양 서식지를 훼손하거나, 이중용도 기반 시설을 활용하여 강압적인 주둔을 과시하는 행위 등이 있습니다 .5

하지만 정책 입안자와 국가 안보 분석가들은 이러한 해상 회색지대 활동을 국제 무역 및 상업 활동과 어떻게 구분할 수 있을까요? 정보기관과 미국 국방부(DOD)는 예산 제약 하에서 방대한 양의 데이터에 직면하는 상황에서 특정 선박을 식별하기 위해 어떻게 협력할 수 있을까요? 이러한 질문에 답하기 위해 퓨처스 랩은 공간 데이터와 행동, 시간 및 선박 속성 조작을 결합하여 의심스러운 활동에 가담하는 국기 선박을 분류하는 프레임워크를 제안합니다. 이 보고서는 중국이 표면적으로는 민간인 해상 자산을 대만 주변에서 강압과 정보 작전을 결합하여 직접적인 분쟁 발생 시 작전 조건을 설정하는 조율 작전의 일환으로 활용하는 방식을 분석합니다.

구체적으로 본 연구는 두 가지 방식으로 선박을 분석합니다. 첫째, 군사 훈련 구역에서 상당한 시간을 보내면서도 실제 조업에는 참여하지 않는 어선들을 조사합니다. 이러한 어선들은 국가가 지시하는 회색 지대 활동에 참여할 가능성이 더 높기 때문입니다. 두 번째 분석은 알려진 훈련 구역 내 또는 근처에서 AIS 이상 징후(예: 어두워짐, 식별자 변경, AIS 움직임 감소 또는 은폐 시도)를 보이는 것으로 추정되는 어선들을 포함합니다. 이러한 행동은 감시를 피하기 위해 선박의 움직임을 은폐하려는 시도일 수 있으며, 이러한 선박들이 회색 지대 활동에 참여하고 있을 가능성이 있음을 시사합니다. 본 연구에서 사용된 분류 체계는 대만 인근을 항해하는 약 12,000척의 선박 중 두 가지 유형 중 하나(또는 둘 다)에 해당하는 약 128~209척을 추산하여 회색 지대 활동에 참여하고 있을 가능성이 높은 선박으로 축소했습니다. 또한 연구팀은 위치의 집중도를 측정하기 위해 공간적 접근 방식을 사용하여 특정 선박 프로파일에 대한 연구 분류 프레임워크 결과를 강조하여 해당 선박이 실제로 대부분의 시간을 알려진 Joint Sword 훈련 구역에서 보냈다는 것을 보여주었습니다.6 실제로 분류 프레임워크는 방대한 양의 데이터를 분석하는 데 필요한 인력 시간을 줄여 동아시아의 해상 안보를 담당하는 연방 정보 분석가가 회색 지대 활동을 정량화할 수 있는 위치에 놓이게 합니다.

CSIS 미래연구소는 군사 훈련 구역 및 어업 구역과 관련된 해양 활동 패턴을 분석함으로써, 회색 지대 활동을 분석하는 새로운 데이터 기반 방법을 모색합니다. 이 연구의 목적은 인도-태평양 지역의 악성 활동을 파악하기 위한 보다 적극적인 대중적 노력을 촉진하는 것입니다.

본 보고서는 네 부분으로 구성됩니다. 첫째, 알려진 PLAN 시추 구역과 상업 어업 핫스팟 내에서의 이동 패턴을 분석하여 의심 선박의 행동을 식별하는 데이터 기반 분류 프레임워크를 설명합니다. 둘째, 이 프레임워크를 약 12,000척의 선박 데이터 세트에 적용하여 의심스러운 배회 및 비어업 행동을 보이는 선박의 하위 집합으로 목록을 좁힘으로써 잠재적인 회색 지대 행위자를 식별하는 확장 가능한 방법을 제공합니다. 셋째, 본 보고서는 AIS 이상 징후(예: 어선 정지 및 식별자 변경)를 포함하도록 분석을 확장하여 AIS 조작을 통한 행동 의심을 더욱 검증합니다. 상세한 사례 분석은 이러한 지표들이 실제로 어떻게 일치하는지 보여주며, 본 보고서에 제시된 분류 프레임워크의 결과를 검증합니다. 마지막으로, 본 보고서는 이러한 결과를 실용화하기 위한 네 가지 실행 가능한 정책 권고안을 제시합니다. 공동 해상 이상 징후 셀(Joint Maritime Anomaly Cell) 구축, 재범자 블랙리스트 공개 및 처벌, 대만 투명성 대시보드 구축, 그리고 연간 회색 지대 위협 추정 및 수집 격차 해소 방안 수립입니다. 이러한 권장 사항을 함께 적용하면 오픈 소스 데이터를 탐지를 통해 회색 지대 활동을 억제하는 도구로 전환하는 확장 가능한 모델을 제공할 수 있습니다.

숨겨진 패턴 찾기

중국 공산당이 상업용 해상 선박을 이용하여 회색지대 및 기타 정보 수집 작전을 수행하는 것에 대응하려면 신호와 잡음을 구분하는 분석 방법을 개발해야 합니다. 다음과 같은 질문이 제기됩니다. (1) 상업용 선박이 중화인민공화국(PRC)을 대신하여 운항할 가능성이 있는 경우는 언제인가? (2) 대다수의 해상 활동과 마찬가지로 단순히 상업 활동에만 종사하는 경우는 언제인가?

이 작업은 회색 지대 작전의 특성으로 인해 더욱 복잡해집니다. 미국 국가정보위원회(National Intelligence Council)는 회색 지대를 "평화적 외교와 전쟁 사이의 공간"으로 정의하며, 국가와 비국가 행위자들이 파괴적이고 종종 부인할 수 있는 수단을 사용하여 비용을 부과하고, 세력 균형을 교란하고, 국제 규범을 훼손하는 곳입니다.7 회색 지대 활동은 합법적이거나 불법적일 수 있으며, 폭력적이거나 비폭력적일 수 있지만, 모두 한 가지 공통점을 가지고 있습니다. 바로 모호성을 이용하여 지정학적 목표를 달성한다는 것입니다. 시진핑 통치 하에서 중국은 동아시아를 비롯한 여러 지역에서 회색 지대 활동을 강화해 왔습니다. 중국의 전술은 이중 용도 강압적 인프라 개발부터 허위 정보 유포 작전, 제한적인 국경 분쟁, 사이버 공격에 이르기까지 다양합니다.8 이러한 사례들은 하이브리드 전쟁 하에서 국가 운영 기술과 임계치 미만의 공격성을 지속적으로 사용하는 것을 보여줍니다. "공격 없이 전진"하는 중국의 전략은 해상 작전에서 가장 두드러지게 나타납니다.

어선, 화물선, 그리고 표면상 민간 선박들은 분쟁 해역에서 감시, 괴롭힘, 또는 주둔 작전을 수행하는 데 전용됩니다.9 남중국해 에서 이러한 전술은 잘 알려져 있으며, 중국은 해상 민병대(분쟁 암초에 몰려들거나 외국 선박을 봉쇄하거나 해군 함정을 은밀히 감시하는 어선단)를 활용하고 있습니다. 이들 모두 군 휘장이나 중국 인민해방군 깃발을 달지 않습니다.10 이러한 활동을 탐구하기 위해 퓨처스 랩 연구팀은 회색 지대 선박 활동을 타당성 사례 연구로 삼아 실제 선박의 행동이 국가 주도의 은밀한 작전에 대한 이론적 기대치와 일치하는지 검증합니다 .11

이를 위해 본 연구는 중국 민간 선박이 비정상적인 지역, 특히 선박이 의도된 목적에 관여하지 않을 가능성이 높은 지역(예: 어선이 어업 활동이 활발한 곳이 아닌 곳에서 상당한 시간을 보내는 경우)에서 상당 부분 조업하는 경우, 중국의 회색 지대 활동의 연장선으로 간주될 수 있다고 주장합니다. 이는 두 가지 핵심 주장으로 이어집니다. 첫째, 군사 훈련 구역에서 상당한 시간을 보내면서도 실제 조업 활동에는 참여하지 않는 어선 은 국가가 지시하는 회색 지대 활동에 참여할 가능성이 더 높습니다. 어선이 회색 지대 활동 및 압박 작전에 전용된다면, 중국의 군사 행동과 관련하여 위치, 가시성, 그리고 시기 측면에서 통계적으로 비정상적인 행동을 관찰해야 합니다. 즉, 이러한 상업용 어선은 어업 활동이 활발한 곳 밖에 있거나 대만 주변의 주요 훈련 근처에서 조업할 것입니다.

둘째, 이러한 이중용도 선박에 국기를 부착할 수 있다고 가정할 때, 연구팀은 특히 AIS 메시지 관련 동작에서 추가적인 이상 징후가 나타날 것으로 예상합니다. 따라서, 어두워지거나, 식별자를 변경하거나, 알려진 시추 구역 또는 그 근처에서 AIS 이동을 줄이거나 감추려고 시도하는 등 AIS 이상 징후를 보이는 선박은 회색 지대 활동에 관여할 가능성이 더 높습니다. 선박 AIS 메시지 조작은 눈에 띄지 않게 숨어서 수많은 불법 행위(예: 불법 조업, 마약 밀수, 석유 및 무기의 선박 간 환적, 인신매매)에 가담하는 것으로 알려진 기법입니다. 12 이러한 선박이 의심스러운 활동에 관여하는 경우, 이동 경로 외에도 AIS를 끄는 것뿐만 아니라 이름을 변경하여 다른 선박이나 부유물(예: AIS 부표 또는 어망)로 위장하는 등 당국을 속이려고 시도할 것입니다. 이러한 위장 행위를 통해 해당 선박은 적발되지 않고 불법 행위를 더욱 확대할 수 있습니다.

CSIS Futures Lab은 의심스러운 활동과 정상적인 어업 활동을 구별하기 위해 해상 선박의 자동 식별 시스템(AIS) 데이터에 대한 접근 권한을 얻는 것으로 시작했습니다. AIS 데이터는 선박 이동을 추적하고 해상 선박에 대한 식별 정보를 제공하는 데 사용되며 여기에는 MMSI(Maritime Mobile Service Identity), 국기, 지상 속도, 지상 코스 및 선박 유형(예: 어업, 군용, 유람선, 법 집행 및 화물)과 같은 고유 식별자가 포함되지만 이에 국한되지 않습니다. 13 연구팀은 데이터를 분석하기 위해 Spire에서 AIS 데이터를 공급받는 General Atomics Intelligence의 소프트웨어 플랫폼 Optix와 선박 활동에 대한 과거 AIS 정보를 사용했습니다 . 14 Optix 의 활동 모듈은 선박이 AIS 트랜스폰더를 끄거나(Go Dark), 켜거나(Go Bright), 항구 호출을 하거나 선박 이름을 변경하는 것과 같은 속성을 변경할 때를 캡처하여 AIS 선박 데이터를 향상시켰습니다. 16 이러한 활동을 추적하면 세 가지 방법으로 선박 이동 및 의심스러운 활동을 연구하는 데 도움이 됩니다. (1) 선박이 트랜스폰더를 끄더라도 데이터는 더 연속적인 추적 데이터 포인트를 갖습니다. (2) 선박이 불법 또는 회색 지대 활동을 수행하는 경우 선박이 AIS 트랜스폰더를 끄면 신호를 약화시켜 활동을 숨기려고 시도할 수 있으며, 이는 잠재적 지표 역할을 합니다. (3) 선박은 이름이나 국기와 같은 속성을 변경하여 당국으로부터 신원을 사칭하거나 위장하려고 시도할 수 있습니다. AIS 데이터는 대만과 중국의 배타적 경제 수역(EEZ), 대만의 사실상의 방공식별구역(ADIZ), 알려진 봉쇄 훈련 작전 구역 및 유력한 어업 활동 구역 내 또는 인근의 관심 선박을 식별하는 기반 역할을 합니다.

시계열 AIS 데이터에 대한 접근이 확립되자, 팀은 다음으로 오픈소스 보고 웹사이트 geoint.asia에서 벡터 셰이프파일 데이터를 수집했습니다.17 사용 가능한 데이터에는 2022년 8월에 실시한 훈련과 Joint Sword(JS) A 및 B의 작전 지역(AO)과 JS B 동안의 중국 해안경비대(CCG) 대형 및 위치가 포함되었습니다. 군사 활동 지역을 개략적으로 설명하는 훈련의 공간 데이터는 PLAN 및 CCG가 해당 지역이나 그 근처에서 운항하는 선박을 식별하는 데 도움이 됩니다. 선박 식별을 위한 다음 단계는 Optix를 사용하여 공간 및 시계열 쿼리를 실행하는 것이었습니다.18 이 단계에서 팀은 PLAN 및 CCG 훈련의 알려진 훈련 지역 내에서 선박을 식별했습니다. 마지막으로 정상적인 활동(이 경우 어업)과 의심스럽거나 회색 지대 활동을 구별하는 데 필요한 데이터를 수집했습니다.

정상 및 비정상 행동을 평가하기 위해 연구팀은 Global Fishing Watch(GFW)의 공개 데이터세트에서 데이터를 활용했습니다. GFW는 알려졌거나 잠재적인 상업용 어선에서 수집된 AIS 데이터를 분석하고, 어업 탐지 알고리즘을 적용하여 선박 속도 및 방향의 변화를 기반으로 "명백한 어업 활동"을 판별합니다. 19 이 알고리즘은 이러한 선박에 대한 각 AIS 방송 데이터 포인트를 공간 셀당 어업 시간으로 측정하여 명백히 어업 중인지 아닌지로 분류합니다. 20 연구팀은 AIS 샘플에서 탐지된 선박을 일반적인 어업 활동 패턴과 비교하기 위해 2024년 GFW 어업 노력 데이터세트를 처리했습니다. 21 이를 통해 각 선박 포인트에 대한 지역 어업 활동 수준을 추출할 수 있었습니다. 또한, 이 데이터를 통해 발생한 어업 맥락을 기반으로 각 AIS 핑에 레이블을 지정할 수 있었습니다. 어업 노력의 2표준편차 임계값을 초과하는 영역에 위치한 포인트는 핫스팟에서 발생한 것으로 분류되었고, 임계값 미만의 포인트는 비핫스팟 또는 저노력 지역으로 레이블이 지정되었습니다. 이러한 분류를 통해 퓨처스 랩은 정상적인 어업 행태(예: 생산적인 해역에서 어업)를 보이는 선박과 어업이 활발하지 않은 해역에서 운항하는 선박을 구별할 수 있었습니다. 특히, 해당 해역이 군사 훈련 구역과 겹치는 경우 더욱 그렇습니다.

CSIS Futures Lab은 AIS 데이터, 중국 군사 훈련 구역 셰이프파일, 그리고 Global Fishing Watch 조업 활동 데이터를 통합하여 각 선박의 시공간적 행동 프로파일을 구축했습니다. 분석의 목표는 정상적인 상업 조업 패턴과 잠재적으로 의심스러운 활동(예: 군사 구역에 지속적으로 주둔하면서 활동적인 조업 구역에는 제한적으로 또는 전혀 참여하지 않는 활동)을 구분하는 것입니다. CSIS Futures Lab은 두 가지 주요 기준에 따라 선박을 의심스러운 행동에 관여하는 것으로 분류했습니다. 22 첫 번째는 상업 어선이 주로 생산적인 조업 구역 내에서 뚜렷한 시공간적 패턴을 보인다는 증거에 기반한 행동 비율 임계값 으로, 이는 활발한 조업을 나타냅니다. 23 결과적으로, 군사 훈련 구역과 같은 비생산적인 구역에서 관찰 시간의 30% 이상을 소비하는 동시에 알려진 조업 핫스팟에 10% 미만의 시간을 할애하는 선박은 매우 이례적이고 잠재적으로 의심스러운 행동을 보입니다. 두 번째는 시간 기반 배회 지표와 경제 활동의 대리 지표인 조업 시간을 결합한 절대 시간 임계값 입니다. 상업용 어선의 경우 비어업 구역에 장기간 머무르는 것은 흔하지 않으며 이는 비정상적인 행동을 나타내는 지표입니다. 연구에 따르면 어선의 정체는 연구의 초점에 따라 3~4시간 동안 지속되는 것으로 정의됩니다. 24 마지막으로, 두 가지 기준을 모두 충족하지 못하는 선박의 경우, 그 활동은 의심스러운 것으로 표시되지 않았으며, 정상적인 어업 활동이나 이동을 하고 있는 것으로 가정했습니다.

원격 시각화

이 분류를 데이터에 적용하는 것은 대만 근처를 여행하는 11,895개의 고유한 MMSI가 포함된 2024년 데이터 세트를 분해하는 것으로 시작되었습니다. 이 하위 집합은 중국 국기를 보고하고 어선으로 식별된 315개의 고유한 MMSI로 데이터를 줄였습니다 . 다음으로, 연구팀은 어업 핫스팟, 알려진 PLAN Joint Sword A & B 구역 및 중복되는 시간의 시간을 계산하는 변수를 생성하여 의심스러운 선박을 감지하기 위해 행동 및 절대 시간 임계값을 적용했습니다. 표 1의 결과는 의심스러운 활동에 관여하는 것으로 표시된 315척의 선박 중 128척의 고유한 목록에 대해 행동(74) 또는 절대 시간(121) 분류를 충족하는 선박의 보수적 추정 목록입니다. 25 이 접근 방식은 이러한 선박과 해상의 의심스러운 움직임을 연구하는 분석가가 사용할 수 있는 대량의 데이터를 더 관리하기 쉬운 양으로 줄입니다. 이는 정부 기관이 임무 세트를 수행하는 데 직면한 제한된 리소스와 예산 제약에 매우 중요합니다.

행동 분류를 기반으로, 회색 지대 활동에 참여하는 선박은 중국 군사 훈련 구역 근처 또는 그 안에서 조업할 때 AIS 방송을 조작할 가능성이 더 높습니다. 특히 어두워지거나 식별자를 변경하거나 둘 다를 하는 경우가 그렇습니다. 연구팀은 이 가정을 검증하기 위해 AIS 데이터 세트를 사용하여 다중 부분 이상 분석을 수행했습니다. 연구팀은 "어두워짐" 및 "밝아짐" 이벤트가 발생한 선박을 분리한 후, 선박별로 AIS가 꺼진 시간을 측정했습니다. 다음 단계에서는 알려진 훈련 구역 내에서 발생한 어두워짐 이벤트를 분리하여 각 선박이 중국 군사 훈련 구역 내에서 AIS를 꺼둔 총 시간, 평균 시간, 그리고 최대 시간을 계산했습니다. 이를 통해 의심스러운 미보고의 빈도와 강도를 모두 측정할 수 있었는데, 특히 훈련 구역 내에서 AIS가 꺼진 상태는 일반적인 상업 어업 활동과 일치하지 않기 때문입니다. 다음으로, 연구팀은 선박이 AIS 신호를 끄고 이름을 변경한 후 다시 나타나는 신원 변경 시퀀스를 조사하여 의도적인 신원 난독화를 시사했습니다. 연구팀은 평균 및 총 어둠 지속 시간과 선박 식별 변화의 전체 분포를 활용하여 다음 동작 중 하나라도 보이는 선박을 "어둠 속으로"로 분류하여 비정상적이고 잠재적으로 기만적인 것으로 표시했습니다.

• 평균보다 더 많은 시간을 어둠 속에서 보냅니다.
• 평균적인 어둠이 찾아오는 시간보다 표준편차 1을 초과함.
• 훈련 구역 안팎에서 어둠이 찾아오는 동안 이름을 바꾸는 것.

공간적, 시간적, 그리고 식별 이상 징후를 결합한 이러한 분류는 행동적 기만의 새로운 측면을 드러냅니다. 표 2는 이러한 결과를 요약한 것입니다.

원격 시각화

표 2에 나타난 선박들은 일반적인 상업 어업 활동과는 다른 행태를 보이는 보수적인 해양 행위자들의 하위 집단을 나타냅니다. 이 프레임워크는 AIS 무신호 상태에서 평균보다 더 오랜 시간을 보낸 87척의 선박과, 무신호 시간(dark-time)을 기준으로 통계적 이상치로 두드러진 12척의 선박을 밝혀냈습니다. 특히, 209척의 선박이 무신호 상태이거나 AIS 무신호 시간 바로 직전에 선박명을 변경하는 것으로 관찰되었는데, 이는 신원 조작 가능성에 대한 심각한 경고를 제기합니다. 특히 중국 군사 훈련 구역 내부 또는 근처에서의 배회, 신호 억제, 그리고 선박명 변경의 조합은 국가 지원 또는 비밀 정부 작전과 일치하는 해양 행동에 대한 강력한 경험적 증거를 제공합니다. 위에서 설명한 행동의 공간적 논리와 절대적 분류를 고려할 때, 이러한 패턴은 민간 및 군사 영역 경계에 걸쳐 있는 선박을 식별하는 체계적이고, 중요하게도 확장 가능한 모델을 제공합니다.

퓨처스 랩의 분류 프레임워크는 잠재적으로 의심스러운 해상 행동을 식별하는 체계적이고 데이터 기반의 방법을 제공하지만, 몇 가지 한계점을 인지해야 합니다. 첫째, AIS 데이터는 조작이나 의도적인 은폐에 취약하여 은밀한 활동에 참여하는 선박이 트랜스폰더가 꺼진 기간 동안 탐지되지 않을 수 있습니다. 이러한 한계를 완화하기 위해, 포함된 Optix 활동 데이터(예: "go-dark" 또는 "go-bright" 이벤트)는 AIS 데이터가 간헐적으로 수집되는 경우에도 맥락적 통찰력을 제공하여 프레임워크의 이상 행동 분류 기능을 강화합니다. 둘째, 의심스러운 행동을 표시하는 데 사용되는 임계값(예: 관측 시간의 30%를 시추 구역에서 보내는 것)은 잠재적인 회색 지대 행동을 식별하는 새로운 첫 단계입니다. 셋째, 이 프레임워크는 공간적 및 시간적 매개변수만을 기반으로 데이터를 분류하기 때문에 연구진이 선박의 의도를 직접 관찰할 수 없습니다. 그럼에도 불구하고, AIS 이동 패턴, 군사 훈련 구역, 그리고 글로벌 피싱 워치(Global Fishing Watch)의 어업 활동이라는 세 가지 독립적인 데이터 출처를 삼각 측량함으로써, 본 연구의 접근 방식은 우연한 중복으로 인해 의심스러운 것으로 잘못 분류될 가능성을 줄입니다. 이러한 한계에도 불구하고, 본 보고서에 제시된 접근 방식은 공공 데이터를 활용하여 회색 지대 활동을 정량화하는 데 있어 확장 가능하고 투명한 첫걸음을 제시하며, 정책 입안자와 분석가에게 실행 가능한 신호를 제공합니다.
 

행동적 특징

이러한 회색 지대 패턴을 설명하기 위해 CSIS Futures Lab은 의심 선박 중 하나를 사례 연구로 식별하고 Optix를 사용하여 2024년 1월부터 2024년 12월까지의 이동을 추적했습니다.26 팀 은 분류 프레임워크를 통해 생성된 의심 선박 목록에서 이 선박을 선택했습니다.이 선박은 여러 MMSI 식별자와 선박 이름으로 나타났고, 기록된 원산지 항로가 없었기 때문입니다.이러한 행동은 의도적인 난독화를 강력하게 나타냅니다.이 선박은 여러 차례 대만의 ADIZ 내에 잠시 나타났다가 그 직후 AIS 감지에서 사라졌고, 2024년 1월부터 2024년 8월까지 간헐적인 존재와 설명할 수 없는 부재가 있었습니다.이러한 행동 세트는 두 가지 가능한 시나리오를 시사합니다.공유 MMSI ID로 운영되는 소규모 함대 또는 활동을 가리기 위해 체계적으로 식별자를 전환하는 단일 선박입니다. 이러한 행동을 평가하기 위해 연구팀은 프로파일링된 선박과 관련이 있다고 여겨지는 MMSI를 식별하고 그 결과로 나온 11개의 MMSI를 분석을 위한 통합 트랙으로 수동으로 다시 코딩했습니다. 27

원격 시각화

프로파일링된 선박에 연결된 AIS 신호는 특히 훈련 기간 동안 Joint Sword B 작전 구역에서 감지되었습니다. 구체적으로, 10월 14일에 25건, 10월 15일에 180건 이상이 감지되었는데, 이는 주요 PLAN 훈련 중 장기간 존재하고 활동이 증가했음을 시사합니다. 이 사례와 관련된 11건의 MMSI 중 프레임워크는 행동 비율 임계값을 충족하는 10건을 표시했는데 , 추적 시간의 30% 이상을 훈련 전용 구역 내에서 보내고 10% 미만을 어업 핫스팟에서 보냈습니다. 모든 11건의 MMSI는 절대 시간 임계값을 충족했으며 , 훈련 구역 내에서 2시간을 초과하는 반면 어업 구역에서 5% 미만의 시간을 보냈습니다. 또한, 해당 선박은 1년 동안 1,300번 이상 이름을 변경했고 약 998번 정박했습니다. 모든 식별자에서 이러한 일관된 활동 패턴은 이러한 MMSI가 단일 플랫폼이거나 회색 지대 행동에 관여하는 조정된 해상 작전을 나타낼 가능성을 강화합니다.

그림 1은 Global Fishing Watch의 어업 노력 데이터와 알려진 중국 군사 훈련 구역(Joint Sword A 및 B) 위에 계층화된 밀도 추정 방법(커널 밀도 추정 또는 KDE)을 사용하여 프로파일링된 선박의 작전 영역을 시각화합니다. KDE 등고선(25%, 50%, 75% 및 95%)은 공간 분산의 증가하는 수준을 나타내며 가장 안쪽 등고선은 가장 집중된 활동 구역을 나타냅니다. 29 이 공간 분석을 통해 선박 동작과 관심 구역을 직접 비교할 수 있습니다. 그림 1에서 볼 수 있듯이 선박(또는 선박들)의 이동은 북부 Joint Sword B 구역 내에 밀집되어 있었고 어업 핫스팟 근처가 아니었습니다. 핵심 작전 구역을 나타내는 선박의 25% KDE 등고선은 알려진 PLAN 훈련 구역 내에 정확히 위치하고 생산적인 어업 구역 밖에 있습니다. 그림 1은 11개 MMSI 모두에서 기록된 데이터를 통합하여 더욱 완전한 그림을 보여주며, 이 사례 연구의 전반적인 공간 패턴은 1월부터 8월까지 선박의 간헐적인 존재와 설명할 수 없는 부재를 종합적으로 고려할 때, 탐지를 피하기 위한 AIS 탐지 차단 또는 MMSI 조작 가능성을 시사합니다. 행동 분류와 KDE를 통합함으로써 비정상 활동 식별에 중요한 공간적 뉘앙스를 더할 수 있습니다. 그림 1에 나타난 분석은 활동의 뉘앙스, 특히 위치와 강도를 추가하여 선박 행동 연구를 보완함으로써 해상 전략적 위치에 대한 더욱 풍부한 이해를 제공합니다. 이러한 통합적인 방법은 AIS 추적만으로는 감지하기 어려운 회색 지대 전술을 탐지하는 능력을 강화합니다.
 

추천사항

중국의 회색 지대 활동이 지속됨에 따라 미국은 회색 지대 활동에 대응하기 위한 세 가지 접근 방식을 수립해야 합니다. 첫째, 미국은 중국의 회색 지대 활동을 탐지하고 확산시킴으로써 억지력을 확보해야 합니다. 둘째, 미국은 중국의 회색 지대 활동에 대응하고 처벌하겠다는 미국의 결의를 표명해야 합니다. 본 연구는 미국이 탐지를 통한 억지력을 실전화할 수 있는 투명한 방법과 수단을 제시합니다. 30 미국 정보기관은 기밀 해제된 정보감시(ISR) 도구를 활용하여 중국의 회색 지대 활동을 파악할 수 있습니다. 중국은 인도-태평양 지역 및 주변국과의 분쟁 지역이나 지역에 대한 영유권을 주장하기 위해 침략을 사용하는 경향이 입증되었기 때문에 탐지를 통한 억지력의 주요 표적입니다. 31 미국은 거의 실시간 이상 징후 피드를 공개하여 베이징의 "공격 없는 진격" 전략에 대한 평판 및 재정적 비용을 효과적으로 증가시키고, 그럴듯한 부인 가능성(plausible-deniability) 완충 장치를 축소함으로써 이를 달성할 수 있습니다. 더욱이, 중국 인민해방군(PLAN)과의 직접적인 전쟁에서 중국을 겨냥한 표적 정보를 축적하는 것은 매우 중요한 역할을 할 것입니다. 각각의 봉쇄 또는 제재는 중국 인민해방군, 중국 해안경비대, 그리고 해상 민병대 간의 중국 지휘통제 연계에 대한 미국의 이해를 심화시켜 더 나은 전략적 예측을 가능하게 하기 때문입니다. 셋째, 중국의 회색지대 활동에 대응하기 위해 동맹국 책임 공유 방식, 즉 집단 안보 비용을 분담하는 방안을 설계하는 것은 모든 관련국이 집단 안보를 유지하는 데 최적의 방법입니다. 책임 공유 하에서, 이 아키텍처는 파트너들이 센서와 분석가를 공동 환경에 연결하여 인도-태평양 지역에서 회색지대에 대한 공동 대응을 구축할 수 있도록 확장 및 지원할 수 있습니다. 이를 위해 다음 권고 사항은 이 세 가지 전략을 뒷받침합니다.

1. 연합 공동 해상 이상 셀 구축

국방부와 군 계획자들의 역량과 가시성을 강화하기 위해서는 인도태평양사령부(INDOPACOM)에 상설 합동작전환경을 구축하는 것이 필요할 것이다. 미국은 회색지대 활동을 연구, 추적, 발표 및 배포하여 파트너 국가, 관련 미국 법 집행 기관, 그리고 처벌을 내릴 수 있는 미국 기관(예: 미국 재무부, 미국 법무부)에 전달하는 연합 합동해상이상셀(CJ-MAC)을 설립해야 한다. 이러한 방식으로 미국 정부 전체는 중국의 회색지대 활동에 대응하기 위한 합동 기관 간 태스크포스를 구성하여 CJ-MAC 보고서를 실제 운영에 적용할 수 있다. 32 또한, 정책 실무자들에게 조사 결과를 알리면 중국의 회색지대 활동에 대응하기 위한 평시 또는 전시 중 선택 사항에 대한 중장기적 시야를 확보할 수 있다.

CJ-MAC은 또한 인도-태평양 해상 영역 인식 파트너십(PMDA)을 활용하여 동맹국 및 파트너국을 수용하고 회색 지대 공유지 대응을 위한 센서 및 분석 역량을 강화할 수 있습니다. 이 연합의 요원들은 데이터 분석을 위한 오픈 소스 프로그래밍 언어에 대한 교육을 받고 AIS 제공업체, 상업용 위성 또는 기밀 ISR 시스템에서 내보내는 관련 데이터 및 쿼리에 대한 도구를 사용할 것입니다. 셀은 요원들의 기술적 전문 지식을 활용하여 선박 활동을 거의 실시간으로 파악하기 위해 이용 가능한 위성 이미지 또는 자율 항공 순찰을 활용하여 회색 지대 활동이 의심되는 선박의 분류를 교차 검증할 것입니다. 따라서 CJ-MAC은 의심 선박 저장소를 생성하고 내부적으로 추적하여 회색 지대 함대의 규모를 정량화하고, 이를 통해 계획자들이 정책 입안자들에게 이중 용도 선박에 대한 대응 방법과 시기를 제시할 수 있습니다. 이런 방식으로 해당 셀은 매일 의심 선박 목록을 공개하고 작전 및 전략적 경고에 대한 정보를 제공함으로써 미국 내부 및 외부의 관련 파트너와 정보를 공유할 수도 있습니다.

2. 재범자의 "블랙리스트"를 공개하고 처벌합니다.

중국의 회색지대 함대에 대한 국제적 규탄을 강화하는 것은 중국 공산당의 의도를 전 세계에 알리기 위해 필수적입니다. 러시아의 우크라이나 침공 준비에 대한 정보를 공유하는 것과 마찬가지로, 미국은 인도-태평양 지역에서 특정 선박뿐만 아니라 해당 선박을 소유하거나 보험에 가입한 회사까지 명시하고 처벌하는 상습범 블랙리스트를 작성하여 주도적인 역할을 해야 합니다. 33 이러한 방식으로 미국은 중국의 침략에 맞서 방어하는 데 있어 지역 동맹국들에 대한 공약을 지속적으로 보여줄 것입니다. 또한, 미국 재무부는 CJ-MAC와 협의하여 회색지대 활동을 보이는 MMSI의 소유권을 추적하기 위한 검토 및 연구를 수행하기 위해 매일 업데이트되는 선박 목록을 받아야 합니다.

더 나아가 미국 재무부와 정보기관(IC)은 실소유자, 소유 구조 또는 권력 랭크 연합을 중국 국유 기관이나 허울 좋은 회사로까지 추적하는 기존 금융 정보 도구를 활용할 수 있습니다. 이러한 방식으로 중국에 대응하고 억제하기 위한 두 가지 병행 노력이 있을 수 있습니다. 첫째, 미국 재무부는 이러한 회색 지대 선단을 운영하는 데 사용되는 관련 기관에 제재를 가하고 유럽 및 동아시아 동맹국 또는 파트너 국가와 공동 제재 패키지를 추진할 수 있습니다. 둘째, IC는 파트너 및 동맹국에 기반을 둔 항구부터 허울 좋은 회사에 이르기까지 전 세계적으로 기업들이 어떤 방식으로 운영되는지 세부적으로 파악하여 다자간 제재 또는 항구 및 시장 접근에 대한 규제 거부의 기회를 창출할 수 있습니다. 이러한 노력은 악의적인 행위자를 처벌할 뿐만 아니라 중국의 회색 지대 선단과의 사업 비용을 증가시킬 것입니다.

3. 대만 투명성 대시보드 만들기

중국이 이 지역에서 보이는 행동의 가시성을 높이기 위해, 미국 국방부는 모든 활동 발생 후 24시간 이내에 국기를 게양한 선박과 중국 해군(PLAN)의 훈련 장소를 시각화하는 대중 공개 대시보드를 개발할 수 있습니다. 이 도구는 대중이 중국이 사용하는 압박 전술에 대해 더 잘 알 수 있도록 도울 뿐만 아니라, 동맹국과 파트너국들이 남중국해에서 중국에 대한 자체적인 조기 경보 또는 압력 감지 시스템 구축을 고려하는 데에도 도움이 될 것입니다. 이 플랫폼은 개방적이고 대중이 참여하는 플랫폼이므로, 국방부는 대만 국민, 유수 대학 및 비영리 단체 파트너들의 의견을 적극 수렴하여 도구가 현장의 현실을 반영하도록 생활 패턴 검증에 기여할 수 있습니다.

4. 연간 "회색 지대 해양 위협 추정" 의뢰

중국과 러시아의 회색 지대 활동은 두 나라가 세계 질서를 바꾸려는 시도에도 불구하고 지속되고 진화할 가능성이 낮습니다. 이를 위해 회색 지대 활동에 대응하기 위한 방안을 연구, 평가 및 계획하는 것은 미국이 그러한 활동에 직면하게 될 모든 분쟁의 성공을 위해 필수적입니다. 미국과 동맹국 및 파트너국은 평시와 전시에 민군 겸용 인프라, 재산, 그리고 생명에 어떻게 접근할 것인지 모색해야 할 것입니다. 이를 위해 백악관은 국가정보국장실(ODNI)에 ODNI 글로벌 위협 평가의 상설 부속서로 "의심스러운 선박 분석"을 생성하도록 지시할 수 있습니다. ODNI는 적절한 분석 기술 투명성을 보장하기 위해 평가 분석 및 공동 작성에 적합한 기관, 상업 및 학계 파트너, 그리고 비영리 단체를 선정하여 교차 협력을 위한 지시를 공식화할 것입니다.

또한 ODNI는 공개 데이터 포털을 통해 또는 접근 가능한 프로그래밍 가능 인터페이스(API)를 통해 대중이 이용할 수 있는 서버를 호스팅하여 통계나 관련 분석을 표로 정리함으로써 보다 폭넓은 대중의 이용에 적합한 방식으로 부록을 게시할 수 있습니다. 이는 미국 경제 분석국이 무역 흐름에 대한 데이터를 게시하거나 미국 노동 통계국이 노동 통계를 게시하는 방식과 유사하게 수행될 수 있습니다. 데이터에 대한 접근성을 높임으로써 미국은 데이터를 공공재로 효과적으로 취급하여 파트너 국가 또는 산업 전반의 참여를 늘릴 수 있습니다. 이 연구 자체는 Global Fishing Watch API, 유지 관리 및 샘플 코드, 개발자 문서 덕분에 데이터를 공공재로 사용하는 것의 부산물입니다. 의심스러운 선박 분석을 보급하기 위한 공개 데이터 포털을 통해 ODNI는 정책 입안자와 관련 동맹국 또는 파트너 국가에 일상적인 데이터와 브리핑을 제공할 수 있습니다.

5. 수집 및 귀속 격차 완화

탐지와 조치 사이의 마지막 단계를 마무리하기 위해 미국은 표적 정보 수집 및 기업 귀속(corporate closure)에 투자해야 합니다. CJ-MAC가 의심 선박을 기국으로 지정하면, 국방부와 정보통제국(IC)은 위험도가 높은 "서지 윈도우(surge window)"를 정의하고 해당 시간대에 정보탐지(ISR)를 수집하기 위해 해상 영역 인식 자산을 사전 배치해야 합니다. 여기에는 상공 영상, 신호 차단, 또는 인력, 행동 및 인근 지원 인프라를 감시하는 드론 기반 감시가 포함될 수 있습니다. 마찬가지로 중요한 것은 정보통제국이 이러한 선박의 소유 구조에 대한 심층 분석을 수행해야 한다는 것입니다. 실소유주, 허울 회사, 그리고 관련 위장 회사를 매핑하면 기국 선박이 동맹 또는 파트너 관할권에서 운영되는 기업과 연계되어 있는지 여부를 파악할 수 있습니다. 이를 통해 공동 제재, 입항 거부 또는 시장 제한 등의 조치가 가능해지며, 이는 회색지대 함대 참여 비용을 증가시키는 도구가 됩니다. 정보탐지(ISR), 소유주 데이터, 그리고 전략적 타이밍을 결합함으로써 미국은 의심스러운 행동을 탐지할 뿐만 아니라 경제적, 정치적 결과를 초래하는 네트워크의 소행으로 귀속시킬 수 있습니다. 이러한 통합적 접근 방식은 상황 인식을 정책적 활용으로 전환하고, 억제력을 정보 기반 타겟팅과 일치시킵니다.
 

결론

회색지대 해상 작전은 경험적으로 탐지, 추적, 그리고 궁극적으로 대응할 수 있는 행동적 특징을 남깁니다. 억제는 데이터에서 시작됩니다. AIS 기반 이동 데이터, PLAN 훈련의 지리공간 오버레이, 그리고 Global Fishing Watch의 어업 활동 분석과 같은 기밀이 아닌 데이터 세트를 통합하면 민간 활동으로 위장한 국가 주도의 은밀한 작전에 새로운 시각을 제시합니다.

이 선박들은 일상적인 무역에 종사하지 않습니다. 이들은 해상에서 정치적 전쟁의 도구일 뿐입니다.

이 연구의 결과는 명확합니다. 군사 훈련 구역에서 불균형적으로 많은 시간을 보내는 선박들이 해당 구역 내 또는 인근에 있을 수 있는 생산적인 어장을 피하면서, 연구팀이 개발한 행동적 비율과 절대적 시간 임계값을 모두 유발합니다. 여기에 AIS 신호가 꺼지거나 신원 변경과 같은 AIS 이상 징후가 더해지면 이러한 패턴은 더욱 명확해집니다. 이러한 선박들은 일상적인 무역에 관여하지 않습니다. 이들은 해상에서 정치적 전쟁의 도구입니다.

커널 밀도 매핑은 공간적 충실도에 중요한 계층을 추가하여 사례 연구 선박의 핵심 운영 영역(25% KDE 윤곽)이 Joint Sword 시추 구역 내에 정확히 위치하며, 실행 가능한 어장에서 멀리 떨어져 있음을 보여줍니다.

이 연구는 더 큰 전략적 과제를 강조합니다. 권위주의 국가들이 계속해서 회색 지대의 경계를 확장함에 따라, 미국과 동맹국들은 이에 맞서 오픈소스 도구와 확장 가능한 분석 기술을 활용하여 한때 부인할 수 있었던 활동을 밝혀내야 합니다. 귀속은 억제의 첫 단계입니다. 그리고 행동 분석은 현대 군사 경쟁이 공중이나 해저뿐 아니라, 뻔히 보이는 곳에서 활동하는 개조된 어선단의 미묘한 움직임 속에서도 어떻게 전개되는지를 드러내는 방법을 제공합니다.

호세 M. 마시아스는 전략국제문제연구소(CSIS) 국방안보부 미래연구소의 데이터 연구원입니다. 벤저민 젠슨은 미래연구소 소장이자 CSIS 국방안보부 선임 연구원입니다.

이 보고서는 General Atomics의 후원으로 작성되었습니다.

참고 사항은 PDF를 참조하세요.

---

CSIS Briefs는 국제 공공 정책 문제에 중점을 둔 민간 비과세 기관인 전략국제문제연구소(CSIS)에서 제작합니다. CSIS의 연구는 초당파적이며 독점적이지 않습니다. CSIS는 특정 정책 입장을 취하지 않습니다. 따라서 본 간행물에 표현된 모든 견해, 입장 및 결론은 전적으로 저자의 견해로 이해되어야 합니다.

© 2025 전략국제문제연구소(Center for Strategic and International Studies). 모든 권리 보유.

---

태그국방 및 안보 , 경제 안보 , 지정학 및 국제 안보 , 정보 , 해양 문제 및 해양 , 기술 및 국가 간 위협

부록 I글로벌 낚시 감시 처리

GFW에서 생성한 Apparent Fishing Effort 데이터 세트는 2024년에 대한 API(Application Programmable Interface)를 통해 쿼리되었습니다.34 연구팀 은 세 가지 주요 단계로 데이터를 처리했습니다.먼저, 연구팀은 GFW 지점 데이터를 UTM(Universal Transverse Mercator) 좌표계(EPSG:32651)로 투영하여 미터법 기반 해상도로 공간 분석을 지원했습니다.그런 다음 연구팀은 연구 지역에 1km 격자를 구성하고 해당 격자 내에서의 위치를 ​​기반으로 각 지점에 grid_id를 할당했습니다.다음으로, 모든 어획 지점을 해당 격자 셀로 집계하고 격자당 어획 시간을 합산했습니다.이렇게 하여 총 어획 노력의 공간 래스터를 생성하고, 로그 변환을 통해 데이터를 정규화했으며, 각 격자 셀은 지역 어업 노력의 강도 점수를 나타냅니다.연구팀은 이전에 식별된 AIS 선박 위치를 동일한 투영 좌표계로 변환하고 각 AIS 지점을 해당 어업 노력 격자 셀에 연결했습니다.

Joint Sword 지리공간 파일

연구팀은 대만 인근 중국 해군(PLAN)의 작전 보고 지역에 대한 폴리곤 파일을 다운로드했습니다. 이 데이터는 현장 지도에 표시된 폴리곤 기하 구조를 포착하는 웹 스크래핑 기법을 사용하여 수집되었습니다. 이 기하 구조 데이터는 중국 언론과 대만 관계자들이 보도한 중국 해군(PLAN)과 중국 해군(CCG)의 작전 지역을 모두 포함하고 있습니다. 35

ADIZ 위반 데이터에서 앵커 타임라인까지

훈련 구역 내 선박 이동 수색 기간을 단축하기 위해, 연구팀은 의심 선박이 대국민 훈련 전에 최소 가시거리를 유지하고 대형을 연습할 것으로 가정했습니다. 연구팀은 팀의 가정을 평가하고 연구 대상 기간을 더욱 구체화하기 위해 대만 방공식별구역(ADIZ) 위반 데이터 세트를 사용했습니다. 36 ADIZ 데이터 세트는 사실상의 ADIZ를 침범하는 중국군 항공기의 수를 일 단위로 수집합니다. 연구팀은 데이터에서 위반 사항의 표준 편차를 계산하여 중국군 출격이 두 번째 위반 범위를 초과하여 위반한 날을 파악했습니다.

원격 시각화

그림 A1은 중국 인민해방군(PLA)의 항공 출격 횟수가 2표준편차 임계값을 초과하는 일일 급증을 보여주며, 이는 중국 인민해방군 해상 작전과 일치할 가능성이 있는 군 항공 활동 날짜를 시사합니다. 따라서 데이터 조회 기간은 훈련일뿐만 아니라 훈련 전후까지 약간씩 확장되어 더 넓은 범위의 데이터를 확보할 수 있었습니다. 이러한 접근 방식을 통해 팀은 2024년 각 선박의 AIS 이동 및 활동을 조회하는 데 사용된 초기 관심 선박 목록을 제공했습니다. 또한, 연구팀은 더 큰 추세를 시각화하기 위해 국소 회귀 분석(LOESS)을 계산하여 2024년 중국 인민해방군의 활동이 증가할 것임을 확인했습니다.

시계열 AIS 추출

ADIZ 데이터 세트에서 식별된 날짜를 활용하여 팀은 이러한 매개변수를 입력하여 시간 척도를 설정했습니다. 다음으로, 팀은 드릴 셰이프 파일을 업로드하고 쿼리를 실행하여 알려진 작전 구역 내의 모든 선박을 포착했습니다. 이어서 부표나 AIS 신호가 있는 어망과 같은 노이즈 데이터를 제거하기 위해 데이터를 추출했습니다. 2022년 8월에 실시된 세 차례의 훈련과 2024년에 실시된 Joint Sword 훈련에 참여한 선박에 대한 MMSI 목록을 쿼리했습니다. MMSI 목록이 완성된 후, MMSI 및 해당 활동에 대한 과거 쿼리를 연도별로 수행, 병합 및 저장했으며, 2024년에는 1,200만 개 이상의 행과 거의 12,000개의 고유한 MMSI가 포함되었습니다.

선박 분류 운용화

원격 시각화

연구팀은 잠재적으로 의심스러운 행동을 보이는 선박을 분류하기 위해 AIS 데이터를 처리하여 각 선박이 고조업 어업 구역, 중국 군사 훈련 구역, 그리고 이 두 구역의 교차 지점에서 머문 시간을 계산했습니다. 공개된 중국 해군(PLAN) 및 중국 해병대(CCG) 훈련 셰이프파일(예: Joint Sword A & B)과 글로벌 피싱 워치(GFW)의 고해상도 어업 노력 데이터를 사용하여 각 AIS 위치에 위치 기반 컨텍스트를 부여했습니다. 이는 각 셀의 조업 시간을 집계하여 도출된 조업 강도 값을 포함하는 1km 공간 격자에 AIS 핑 신호를 중첩하여 구현했습니다. 각 AIS 핑 신호는 해당 격자 셀과 매칭되어 타임스탬프가 기록되었으며, 각 위치에서 머문 시간은 연속된 핑 신호 간의 시간 차이를 사용하여 계산되었습니다.

모든 선박에 대해 팀은 표 A1에 표시된 대로 6가지 핵심 시공간적 지표를 계산했습니다.(1) 어업 핫스팟에서 보낸 총 시간, (2) 핫스팟 외부 시간, (3) 모든 굴착 구역 내부 시간, (4) 동시 어업 활동이 없는 굴착 구역 내부 시간, (5) 핫스팟에서 소요된 총 시간의 백분율, (6) 굴착 구역에서만 소요된 시간의 백분율. 선박은 다음 두 가지 기준 중 하나를 충족하는 경우 의심스러운 것으로 표시되었습니다.(1) 추적된 시간의 30% 이상이 굴착 전용 구역에 있는 반면 어업 핫스팟에서 10% 미만을 소비하거나 (2) 굴착 전용 구역에서 2시간 이상을 소비하면서 어업 구역에서 5% 미만을 소비합니다.

연구팀은 모든 선박에 대해 6가지 행동 지표를 각각 계산하고 조건부 논리를 이용한 규칙 기반 분류 시스템을 적용하여 R에서 이 프레임워크를 구현했습니다. 이 모델은 두 가지 임계값 중 하나를 충족하는 선박을 의심 선박으로 표시합니다. 표 A1은 분류에 사용된 변수를 요약한 것입니다.

원격 시각화

선박 이동 궤적

선박의 이동 경로는 매시간 추적되었으며, AIS 데이터를 기반으로 선박이 특정 기간 동안 위치했을 가능성이 가장 높은 위치를 추정하는 통계적 방법인 커널 밀도 추정(KDE)을 사용하여 분석되었습니다. 이를 통해 등고선 수준으로 클러스터링/비닝했습니다. 각 백분위수 등고선(25%, 50%, 75%, 95%)은 선박이 총 관측 시간 중 특정 비율을 소비한 지역을 포함합니다.

원격 시각화

영상

호세 M. 마시아스 3세

국방 및 안보부 Futures Lab 준회원 데이터 펠로우

영상

벤자민 젠슨

Futures Lab 이사 및 국방 및 안보부 수석 연구원

프로그램 및 프로젝트

• 국방 및 보안
• 퓨처스 랩
• 그림자 신호: 빅데이터와 지리공간 분석을 사용하여 회색 지대 활동